4. 医学图像预处理与增强

在医疗机器人视觉导航系统中，原始图像的质量直接决定了后续特征提取、组织识别、器械跟踪与三维重建的可靠性。然而，腹腔镜、显微镜和超声三种模态各自面临截然不同的退化机制：腹腔镜图像受限于狭小腔体内的非均匀照明与烟雾干扰，显微镜图像受制于光学衍射极限与样本染色差异，超声图像则被散斑噪声和声学伪影主导。因此，预处理不是一套通用滤波器可以覆盖的环节，而必须针对每种模态的物理成像特性设计差异化策略。

一、退化来源与处理目标的对应关系

在动手写代码之前，先建立“退化来源→处理目标→可用方法”的映射关系，是避免盲目调参的关键。腹腔镜的典型退化包括：光纤照明导致的中心亮、边缘暗的光照不均，电刀产生的烟雾造成局部模糊，以及血液和组织液反光形成的高光伪影。显微镜的退化集中在离焦模糊、光照色温偏差和盖玻片灰尘形成的固定图案噪声。超声的退化则以乘性散斑噪声、声影和混响伪影为主。

下图给出了三种模态从退化来源到预处理模块的信号链关系，可作为后续处理流程设计的参考框架。

二、腹腔镜图像实战处理

腹腔镜图像处理的第一步通常是光照校正。由于光源与相机同轴，图像亮度呈径向衰减，中心区域可能过曝而边缘欠曝。一种工程上稳定且计算量可控的做法是：将图像转换到HSV空间，提取V通道，用大尺度高斯核（σ约为图像短边的1/8）估计背景光照分布，再用V通道除以背景估计得到校正后的亮度。示例参数：对1080p图像，高斯核尺寸取135×135，σ=45。校正后需将V通道重新归一化到[0,255]并转回BGR。

去烟雾处理可借助暗通道先验。烟雾区域在暗通道中呈现较高亮度，据此估计透射率图，再通过导向滤波细化透射率边缘，最后按大气散射模型恢复无烟图像。实际操作中，大气光值A可取暗通道最亮0.1%像素的均值，透射率下限设为0.1以避免过度恢复引入噪声。对于电刀产生的瞬时烟雾，若帧间差异检测到烟雾区域面积超过图像15%，可触发该帧的增强处理，否则跳过以节省算力。

高光抑制方面，可将图像从RGB转到镜面反射分离模型：先估计漫反射分量，再对高光区域用邻域像素插值修复。一个实用的判断条件是：当某像素三通道值均大于240且局部梯度平缓时，标记为高光点，用半径5像素的圆形邻域中值填充。

三、显微镜图像实战处理

显微镜图像的离焦模糊通常用维纳滤波处理。关键参数是点扩散函数（PSF）的估计：若已知物镜数值孔径NA和波长λ，可计算理论PSF；若未知，可用图像中孤立小颗粒的径向亮度剖面拟合高斯PSF。示例：对20×物镜、NA=0.5、λ=550nm，理论横向分辨率约0.67μm，对应到像素尺度后设定高斯PSF的σ。维纳滤波的信噪比参数K取0.01～0.05之间，K过小会放大噪声，过大则恢复不足。

色彩校正方面，若显微镜配有标准色卡，可采集色卡图像后计算各通道的校正矩阵；若无色卡，可用灰度世界假设做粗略白平衡。对比度增强推荐使用CLAHE，将图像分块（如8×8），对每块做直方图均衡后双线性插值消除块效应，clipLimit设为2.0～3.0可避免噪声过度放大。对于荧光显微镜图像，由于信号弱、背景暗，CLAHE的clipLimit应降低到1.5左右，并先做高斯去噪再增强。

四、超声图像实战处理

超声图像的散斑噪声是乘性的，直接使用高斯滤波会模糊组织边界。工程上常用Lee滤波：在局部窗口内计算均值和方差，根据方差与均值平方的比值自适应调整滤波强度。窗口大小通常取5×5或7×7。对于要求更高的场景，可用非局部均值（NLM），但计算量较大，建议在GPU上实现或仅对感兴趣区域处理。

声影伪影的抑制需要结合解剖先验。例如在肝脏超声中，肋骨后方声影呈垂直暗带，可通过检测垂直方向的亮度骤降区域，用两侧组织亮度做插值补偿。混响伪影则表现为等间距的平行亮线，可在频域用陷波滤波器抑制特定频率成分。对比度增强方面，对数压缩是超声图像的标准处理步骤，将动态范围从约60dB压缩到显示器的40dB左右，再配合时间增益补偿（TGC）曲线调整不同深度的增益。

五、处理效果的评价与参数选择

预处理效果不能只看视觉观感，需要定量指标辅助判断。去噪任务常用PSNR和SSIM，但超声图像缺乏干净参考，可用等效视数（ENL）衡量散斑抑制程度，ENL越大表示越平滑。对比度增强可用对比度噪声比（CNR）评价，CNR提升且不引入明显伪影即为有效。光照校正后，可计算图像四角与中心区域的平均亮度差异，差异小于15%可认为光照均匀性达标。

综合来看，三种模态的预处理策略可归纳为：腹腔镜以光照校正和高光抑制为先，显微镜以去模糊和对比度增强为核心，超声以散斑去噪和伪影抑制为重点。实际部署时，建议将各模块封装为独立函数，通过配置文件切换模态对应的参数组，便于在医疗机器人系统中快速适配不同术式和设备。